随着城市化进程的不断加快和交通量的不断增加,城市交通系统正面临新的压力，尤其近几年来，突发事件接连发生，对交通系统造成更为严重的影响，例如在雪灾情形下，城市交通站点的运输能力会大幅下降，导致乘客滞留，交通站点的负荷明显增加。在突发事件情形下，如何评估交通系统的压力分布状况，尤其是交通站点的负荷情况，已成为新的研究热点与难点问题。本文基于极大熵原理和贝叶斯网络的理论，对雪灾情形下城市交通站点的负荷进行了深入的研究。首先，本文介绍了雪灾的分类及特征，分析了城市交通系统的组成，研究了雪灾对交通站点运输的影响，包括公路运输、铁路运输、空路运输和水路运输4种运输方式，并分析了雪灾的预警与应对措施，为后面的研究垫定了基础。其次，本文研究了雪灾情形下乘客的转移机理，并提出了一种新的城市交通站点负荷的极大熵预测模型。该模型克服传统的Markov链方法的不足，考虑到乘客转移偏好的动态改变以及各交通站点之间的滞留情况会相互影响，以此构建了雪灾情形下乘客分布的极大熵模型，并进一步设计了交通站点负荷率的计算方法，推演出了雪灾后交通站点负荷的变化情况，为相关部门采取应对措施提供参考依据。再次，本文在雪灾情形下交通站点负荷的极大熵预测模型的基础上，考虑到政府措施、突发事件等不确定因素的影响，利用贝叶斯网络的相关知识，构造雪灾情形下出行旅客转移决策的贝叶斯网络，推理求解出旅客的出行概率，并建立基于贝叶斯网络的交通站点负荷的修正预测模型，通过不同时刻不确定因素值的更新变化，该模型能够对预测结果进行修正。最后，以08年南方广州雪灾为例，对两种情形下广州火车站的负荷进行了预测，第一种情形是自然演化情形，分别用Markov链法和极大熵预测模型对广州火车站的负荷率进行了预测，并对预测结果进行比较分析；第二种情形是政府干预和其他不确定因素的情形，用贝叶斯网络和极大熵对旅客的出行概率进行了推理与求解，结合极大熵预测模型，建立了贝叶斯修正预测模型，对广州火车站的负荷率进行修正预测。